plik


ÿþProbabilistyka Definicje, twierdzenia, wBasno[ci, wzory 1. ELEMENTY KOMBINATORYKI SILNIA: Definicja. Przyjmujemy 0!= 1 n!= 1Å" 2Å"...Å" (n -1) Å" n " n"N PERMUTACJE bez powtórzeD: Definicja. Permutacj zbioru n-elementowego nazywa bdziemy ka|dy n-elementowy, ró|nowarto[ciowy cig elementów tego zbioru. Liczb wszystkich permutacji zbioru n-elementowego oznacza bdziemy symbolem Pn . Twierdzenie. Liczba wszystkich permutacji zbioru n-elementowego wyra|a si wzorem Pn = n! KOMBINACJE bez powtórzeD: k d" n Definicja. Kombinacj k-elementow zbioru n-elementowego ( ) nazywa bdziemy ka|dy k-elementowy podzbiór tego zbioru. Liczb wszystkich kombinacji z n-elementów po k oznacza bdziemy k Cn symbolem . Twierdzenie. Liczba wszystkich kombinacji z n-elementów po k wyra|a si wzorem def n ëø öø n! k Cn = = ìø ÷ø ìøk ÷ø (n - k)!Å"k! íø øø WARIACJE bez powtórzeD: Definicja. Wariacj (bez powtórzeD) k-elementow zbioru n-elementowego k d" n ( ) nazywa bdziemy ka|dy k-elementowy, ró|nowarto[ciowy cig elementów tego zbioru. Liczb wszystkich wariacji (bez powtórzeD) z n-elementów po k oznacza Vnk bdziemy symbolem . Twierdzenie. Liczba wszystkich wariacji (bez powtórzeD) z n-elementów po k wyra|a si wzorem n! Vnk = . (n - k)! WARIACJE z powtórzeniami: Definicja. Wariacj (z powtórzeniami) k-elementow zbioru n-elementowego nazywa bdziemy ka|dy k-elementowy cig elementów tego zbioru. Liczb wszystkich wariacji (z powtórzeniami) z n-elementów po k oznacza Vnk bdziemy symbolem . Twierdzenie. Liczba wszystkich wariacji (z powtórzeniami) z n-elementów po k wyra|a si wzorem Vnk = nk. 2. PRAWDOPODOBIECSTWO ZDARZENIA. Niech bd dane: D - do[wiadczenie losowe ( realizacja okre[lonego zespoBu warunków, wraz z góry okre[lonym zbiorem wyników ) É1, É2, ... - zdarzenia elementarne ( elementarne, wzajemnie wykluczajce si wyniki danego do[wiadczenia ) &! - przestrzeD zdarzeD elementarnych ( zbiór wszystkich, wzajemnie wykluczajcych si wyników danego do[wiadczenia ) A, B, ... - zdarzenia losowe ( dowolne podzbiory przestrzeni zdarzeD elementarnych &! ) Z - zbiór zdarzeD losowych ( rodzina podzbiorów przestrzeni zdarzeD elementarnych &! ) Na zdarzeniach wykonujemy dziaBania analogiczne jak na zbiorach np. A*" *"B - suma zdarzeD A i B tj. zdarzenie skBadajce si ze zdarzeD elementarnych *" *" nale|cych do A lub do B. A)" )"B - iloczyn zdarzeD A i B tj. zdarzenie skBadajce si ze zdarzeD elementarnych )" )" nale|cych do A i do B. A - zdarzenie przeciwne tj. zdarzenie skBadajce si ze zdarzeD elementarnych, które nie nale| do A. Ponadto mówimy, |e: A jest zdarzeniem niemo|liwym, gdy A=" A jest zdarzeniem pewnym, gdy A=&!. DEFINICJA PRAWDOPODOBIECSTWA. Definicja klasyczna prawdopodobieDstwa ( Pierre Simon Laplace 1812) Je|eli przestrzeD &! skBada si z n ( n <¶" ) jednakowo mo|liwych zdarzeD elementarnych i zdarzenie A skBada si z k zdarzeD elementarnych, to liczb k P(A) = n nazywamy p r a w d o p o d o b i e D s t w e m z a j [ c i a z d a r z e n i a A. Definicja aksjomatyczna prawdopodobieDstwa (Andriej KoBmogorow 1931) Niech &! bdzie przestrzeni zdarzeD elementarnych do[wiadczenia losowego D, Z - jego zbiorem zdarzeD losowych. PrawdopodobieDstwem nazywamy funkcj P przyporzdkowujc ka|demu zdarzeniu A"Z liczb rzeczywist P(A) zgodnie z nastpujcymi aksjomatami: (a1) Dla ka|dego zdarzenia A"Z P(A)e"0 (a2) PrawdopodobieDstwo zaj[cia zdarzenia pewnego jest równe 1, tj. P(&!)=1 (a3) Dla dowolnego cigu A1, A2, ... parami rozBcznych zdarzeD ze zbioru Z P(A1*" A2*"& ) = P(A1) + P(A2) + & Dla dowolnego do[wiadczenia losowego D mo|na okre[li przestrzeD probabilistyczn (&!,Z,P). ELEMENTARNE WAASNOZCI PRAWDOPODOBIECSTWA (w1) P(") = 0 (w2) A ‚" B Ò! P(A) d" P(B) (w3) P(A) d" 1 dla ka|dego A"Z (w4) P(B\A) = P(B)  P(A)"B) (w5) P(A ) = 1  P(A) (w6) P(A*"B) = P(A) + P(B)  P(A)"B) (w7) Je|eli zdarzenia A1, A2, ..., An s parami rozBczne, to P(A1*" A2*"& *"An) = P(A1) + P(A2) + & + P(An) (w8) Je|eli przestrzeD zdarzeD elementarnych jest co najwy|ej przeliczalna &! = { É1, É2, ... } i prawdopodobieDstwa poszczególnych zdarzeD jednoelementowych P({Éi}) = pi speBniaj warunki pi = 1, " pi e" 0 oraz i A = {Éi ,Éi ,...Éi } wynosi to prawdopodobieDstwo zaj[cia zdarzenia 1 2 k P(A) = P({Éi }) + P({Éi }) + ...P({ Éi }) = pi + pi + ... + pi 1 2 k 1 2 k (w9) Je|eli &! jest skoDczon n-elementow przestrzeni zdarzeD elementarnych &! = { É1, É2, ..., Én } i prawdopodobieDstwa zdarzeD jednoelementowych s równe 1 P({É1}) = P({É2})=...= P({Én}) = , n A = {Éi ,Éi ,...Éi } to prawdopodobieDstwo zaj[cia zdarzenia wynosi 1 2 k k liczba zdarzeD elementarnych sprzyjajpych zdarzeniu A P(A) = = n liczba wszystkich zdarzeD elementarnych przestrzeni &! PRAWDOPODOBIECSTWO WARUNKOWE Niech (&!,Z,P) bdzie przestrzeni probabilistyczn pewnego do[wiadczenia, B"Z za[ dowolnym ustalonym zdarzeniem takim, |e P(B)>0. Definicja. PrawdopodobieDstwem warunkowym P(A|B) zaj[cia zdarzenia A"Z pod warunkiem zaj[cia zdarzenia B (P(B)>0) nazywamy liczb P(A )" B) P ( A B ) = P(B) NIEZALE{NOZ ZDARZEC Definicja. Mówimy, |e zdarzenia A, B" Z s niezale|ne, gdy P(A)"B) = P(A)Å"P(B). Twierdzenie. Niech P(B)>0. Wówczas zdarzenia A i B s niezale|ne wtedy i tylko wtedy, gdy P(A|B) = P(B). Definicja. Mówimy, |e zdarzenia A,B,C"Z s niezale|ne (zespoBowo) je[li ka|de dwa z nich s niezale|ne oraz P(A)"B)"C) = P(A)Å"P(B)Å"P(C). Uwaga. Nie nale|y myli poj : zdarzenia niezale|ne ze zdarzeniami wykluczajcymi si. TWIERDZENIE O PRAWDOPODOBIECSTWIE CAAKOWITYM. WZÓR BAYESA. Twierdzenie (o prawdopodobieDstwie caBkowitym). Je|eli zdarzenia A1, A2, ..., An"Z speBniaj warunki: (c1) A1*"...*"An=&! (c2) Ai )" Aj = " gdy i`"j, (c3) P(Ai)>0 dla ka|dego i, to dla dowolnego zdarzenia B"Z zachodzi równo[ P(B) = P(A1)Å" P(B|A1) + P(A2)Å" P(B|A2) +& + P(An)Å" P(B|An) = n "P(A )Å" P( B Ai ) i = . i=1 Twierdzenie (Bayesa) Je|eli zdarzenia A1,A2,...,An"Z speBniaj warunki (1)-(3) twierdzenia o prawdopodobieDstwie caBkowitym oraz P(B) > 0, to dla ka|dego zdarzenia Aj zachodzi równo[ P(Aj )Å" P( B Aj ) P(Aj B ) = n "P(A )Å" P( B Ai ) i i=1 Definicja. Mówimy, |e zdarzenia A1,A2,...,An"Z tworz ukBad zupeBny zdarzeD, gdy speBniaj warunki (1) i (2) twierdzenia o prawdopodobieDstwie caBkowitym. ZMIENNE LOSOWE Niech (&!,Z,P) bdzie dowoln przestrzeni probabilistyczn . X : &! ’! R Definicja. Zmienn losow ( ZL X ) bdziemy nazywa funkcj {É " &! : X (É) < x} " Z " speBniajc warunek: . x"R Wyró|nia si dwa gBówne typy ZL - zmienn losow typu skokowego (ZLS) i - zmienn losow typu cigBego (ZLC) Definicja. Mówimy, |e dany jest rozkBad prawdopodobieDstwa, gdy dla A ‚" R dowolnego zbioru okre[lone jest prawdopodobieDstwo def P(X " A) = P{ É " &! : X (É) " A } ( prawdopodobieDstwo zdarzenia, |e zmienna losowa przyjmuje warto[ci ze zbioru A). F : R ’! [0,1] Definicja. Dystrybuant ZLX nazywamy funkcj okre[lon def F(x) = P(X < x) wzorem " . x"R (prawdopodobieDstwo przyjcia przez zmienn losow X warto[ci mniejszej ni| x) Twierdzenie. Dystrybuanta F ma nastpujce wBasno[ci: (d1) F jest funkcj niemalejc lim F(x) = 0 '" lim F(x) = 1 (d2) x’!-" x’!" (d3) F jest funkcj (co najmniej) lewostronnie cigB (d4) F(x2) - F(x1) = P ( x1 d" X < x2 ) dla x1< x2 (d5) F(x0+)-F(x0) = P( X=x0) dla x0"". F : R ’! [0,1] Twierdzenie. Dowolna funkcja speBniajca warunki (d1)-(d3) jest dystrybuant pewnej ZL X. ZMIENNA LOSOWA TYPU SKOKOWEGO (ZLS). Definicja. Zmienn losow X nazywamy ZL typu skokowego (ZLS) gdy istnieje przeliczalny zbiór W={x1,x2,...}‚"" (w szczególno[ci zbiór W jest skoDczony) dla którego speBnione s warunki: P(X = xi ) > 0 (s1) " ( xi - punkt skokowy, P(X=xi)=p(xi)= pi - skok) xi"W p(xi ) = 1 ( warunek unormowania ) " (s2) xi"W Funkcj p okre[lon na punktach skokowych równo[ci p(xi)=P(X=xi)= pi nazywamy funkcj prawdopodobieDstwa ZLS X. Definicja. Dystrybuant ZLS X o punktach skokowych xi i skokach pi= p(xi) F : R ’! [0,1] jest funkcja okre[lona wzorem def F(x) = p(xi ) " " . x"R xi <x Twierdzenie. Dystrybuanta ZLS X ma wBasno[ci (d1)-(d5). Ponadto dystrybuanta ZLS X jest funkcj przedziaBami cigB. ZMIENNA LOSOWA TYPU CIGAEGO (ZLC) Definicja. ZL X nazywamy typu cigBego (ZLC) gdy istnieje caBkowalna [x1, x2 ] f : R ’! R+ *"{0} funkcja taka, |e dla dowolnego przedziaBu x2 P (X "[x1, x2]) = f (x)dx +" x1 Funkcj f nazywamy gsto[ci prawdopodobieDstwa ZLC X. Twierdzenie. Gsto[ f prawdopodobieDstwa ZLC X speBnia warunek " f (x)dx = 1 (warunek unormowania) +" -" F : R ’! [0,1] Definicja. Dystrybuant ZLC X o gsto[ci f jest funkcja okre[lona wzorem x def F(x) = f (t)dt " +" x"R -" Twierdzenie. Dystrybuanta F ZLC X speBnia warunki (d1)-(d5). Ponadto F jest funkcj cigB. Twierdzenie. Je|eli F jest dystrybuant ZLC X, to funkcja F'(x) dla tych x, dla których istnieje skoDkoDcz F'(x) ñø f (x) = òø0 dla pozostaych x " R (*) óø jest gsto[ci ZLC X. Twierdzenie. Zmienna losowa cigBa X ma nastpujce wBasno[ci: P(X = c) = 0 " " c"R P(a d" X d" b) = P(a < X d" b) = P(a d" X < b) = P(a < X < b) = F(b) - F(a) " " a<b a ,b"R Twierdzenie. Je|eli F jest dystrybuant pewnej zmiennej losowej X oraz f jest funkcj postaci (*) i speBniajc warunek unormowania, to X jest zmienn losow cigB, a f jest jej gsto[ci. 4.CHARAKTERYSTYKI LICZBOWE ZMIENNYCH LOSOWYCH Miary poBo|enia: WARTOZ OCZEKIWANA Warto[ oczekiwan (nadziej matematyczn) zmiennej losowej X oznaczamy symbolem EX i okre[lamy w nastpujcy sposób: xi p(xi ) " gdy X jest ZLS o punktach skokowych i skokach oraz xi Å" p(xi ) < " " , to i EX = "x Å" p(xi) ; i i " x Å" f (x)dx < " " gdy X jest ZLC o gsto[ci f oraz +" , to -" " EX = x Å" f (x) dx +" -" Twierdzenie. (WBasno[ci warto[ci oczekiwanej) Niech X, Y bd dowolnymi ZL, oraz niech a,b,c"R. Wówczas E(aX ) = aEX (E1) E(X + b) = EX + b (E2) E(X ± Y ) = EX ± EY (E3) E(X Å"Y ) = EX Å" EY (E4) Je|eli X, Y s ZL niezale|nymi to P(X = c) =1, to EX = c (E5) Je|eli P(X e" 0) = 1, to EX e" 0 (E6) Je|eli P(a d" X d" b) = 1, to a d" EX d" b (E7) Je|eli Uwaga. Bezpo[rednio z (E1) i (E2) wynika, |e E(aX + b) = aEX + b E(X - EX ) = 0 KWANTYL Definicja. Kwantylem rzdu p (p"(0,1)) ZL X o dystrybuancie F nazywamy liczb xp speBniajc którykolwiek z nastpujcych równowa|nych warunków: F(xp ) = p lub P(X < xp ) = p W szczególno[ci: p(xi ) " Gdy X jest ZLS o punktach skokowych xi i skokach , to kwantylem rzdu p (p"(0,1)) ZL X nazywamy liczb xp speBniajc warunek: p(xi ) d" p d" p(xi ) " " xi <xp xi d"xp " Gdy X jest ZLC o gsto[ci f , to kwantylem rzdu p (p"(0,1)) ZL X nazywamy liczb xp speBniajc warunek: xp f (x)dx = p +" -" MEDIANA Definicja. Median nazywamy kwantyl rzdu p=0.5 Miary rozrzutu : Niech X bdzie zmienn losow dla której istnieje warto[ oczekiwana EX. WARIANCJA Wariancj zmiennej losowej X oznaczamy symbolem V(X) ( lub Var(X), D2(X) ) i okre[lamy za pomoc wzoru: D2X = E((X ) - EX))2 . W szczególno[ci: p(xi ) " gdy X jest ZLS o skokach , to D2X = "(x - EX)2 Å" p(xi) ; i i " gdy X jest ZLC o gsto[ci f , to " D2X = +"(x - EX )2 Å" f (x) dx -" Twierdzenie. (WBasno[ci wariancji ) Niech X, Y bd dowolnymi ZL, oraz niech a,b,c"R. Wówczas D2(aX ) = a2D2X (V1) D2(X + b) = D2X (V2) D2(X ± Y ) = D2X ± D2Y (V3) Je|eli X, Y s ZL niezale|nymi to 2 D2 X = EX - (EX)2 (V4) ODCHYLENIE STANDARDOWE Odchylenie standardowe zmiennej losowej X oznaczamy symbolem DX i okre[lamy za pomoc wzoru: DX = D2 X . PRZYKAADY ROZKAADÓW TYPU SKOKOWEGO ZMIENNA O ROZKAADZIE RÓWNOMIERNYM xi x1 x2 ... xn 1 1 1 pi ... n n n x1 + x2 + ...+ xn EX = n ZMIENNA O ROZKAADZIE JEDNOPUNKTOWYM xi x1 pi 1 EX = x1 D2X = 0 ZMIENNA O ROZKAADZIE DWUPUNKTOWYM (ZERO-JEDYNKOWYM) xi x1=1 x2=0 pi p q=1-p EX = p D2X = p Å" q ZMIENNA O ROZKAADZIE DWUMIANOWYM (BERNOULLIEGO) X<" b(n,p) <" <" <" ZL X ma rozkBad Bernoulliego, gdy W={0, 1,...,n} ( ne"1 ) n ëø öø pk = P(X = k) = ìø ÷ø pkqn-k ìøk ÷ø íø øø przy czym p " (0,1), k = 0,1,...,n . EX = nÅ" p D2 X = n Å" p Å" q ZMIENNA O ROZKAADZIE POISSONA X <" Po(» <" » <" ») <" » Mówimy, |e ZL X ma rozkBad Poissona, gdy W={0, 1,...} e-»»k pk = P(X = k) = k! przy czym »>0, k=0, 1, .... EX = » D2 X = » Twierdzenie. (o zbie|no[ci rozkBadu Bernoulliego do rozkBadu Poissona) Niech ZL X ma rozkBad Bernoulliego X<"b(n,p). Je|eli p=p(n) speBnia warunek lim np(n) = » n’!" n ëø öø e-»»k ìø ÷ø limìø ÷ø pkqn-k = to n’!" k! íøk øø Wniosek (przybli|enie Poissona) n ëø öø e-»»k ìø ÷ø pkqn-k H" , » = np, k = 0,1,..., n ìøk ÷ø k! íø øø (przybli|enie to jest wystarczajco dokBadne, gdy p<0.1, n>50, np<10. PRZYKAADY ROZKAADÓW TYPU CIGAEGO ZMIENNA LOSOWA O ROZKAADZIE PROSTOKTNYM (równomiernym) X<" <"R(a,b) <" <" Definicja. ZLC X ma rozkBad prostokatny na przedziale (a,b), gdy 1 ñø dla a < x < b ôø f (x) = - a b òø ôø0 dla x d" a (" x e" b óø Twierdzenie. Gdy ZLC X ma rozkBad prostoktny, to 0 dla x d" a ñø ôøx - a ôø F(x) = dla a < x < b òø " ôøb - a ôø dla x e" b óø1 a + b EX = " 2 2 (b - a ) 2 D X = " 12 ZMIENNA LOSOWA O ROZKAADZIE WYKAADNICZYM X<" ») <"Ex(» <" » <" » Definicja. ZLC X ma rozkBad wykBadniczy z parametrem » (»>0), gdy ñø » Å"e-»Å"x dla x > 0 f (x) = òø dla x d" 0 óø0 Twierdzenie. Gdy ZLC X ma rozkBad wykBadniczy, to 0 dla x d" 0 ñø F(x) = òø " óø1- e-»Å"x dla x > 0 1 EX = " » 1 D2 X = " »2 ZMIENNA LOSOWA O ROZKAADZIE NORMALNYM (GAUSSA) X<" µ,à <"N(µ Ã) <" µ à <" µ à Definicja. ZLC X ma rozkBad normalny z parametrami (µ,Ã) (µ"R, Ã>0), gdy ( x-µ )2 - 1 2 2à f (x) = Å"e x " R à Å" 2À Twierdzenie. Gdy ZLC X ma rozkBad normalny, to EX = µ " 2 D2 X = à " ZMIENNA LOSOWA O STANDARYZOWANYM ROZKAADZIE NORMALNYM X<" <"N(0,1) <" <" Definicja. ZLC X ma standaryzowany rozkBad normalny, gdy ma rozkBad normalny o µ=0 i Ã=1. Jej gsto[ (oznaczana przez Õ ) wyra|a si wzorem 1 - u2 1 2 Õ(u) = e u " R 2À Twierdzenie. Gdy ZLC X ma standaryzowany rozkBad normalny, to EX = 0 " D2 X =1 " " dla ue"0 dystrybuanta wyra|a si wzorem u 1 - t2 1 2 ¦(u) = +"e dt 2À -" przy czym dla dowolnego u"R+ ¦(-u)=1-¦(u). Centralne twierdzenie graniczne Tw. Lindeberga-Levy ego. Je|eli { X } jest cigiem niezale|nych zmiennych losowych o jednakowym n 2 rozkBadzie , o warto[ci przecitnej ±1 i skoDczonej wariacji à > 0 , to cig { Fn } dystrybuant standaryzowanych [rednich arytmetycznych X n n X -±1 " Xi - n±1 n i=1 Yn = = à à n y 1 (- t2 ) 1 2 lim Fn ( y) = jest zbie|ny do dystrybuanty úø rozkBadu N(0,1) +"e dt = Æ( y) n’!" 2À -" Wn. Dla du|ych n (rzdu kilkunastu) P(y1 < Yn d" y2) H" Æ(y2) - Æ( y1) Integralne twierdzenie Moivre a-Laplace a Je[li { Sn } jest cigiem zmiennych losowych o rozkBadzie dwumianowym z parametrami (n, p), 0<p<1 oraz {Yn} jest cigiem standaryzowanych zmiennych Sn - np n y1 y2 losowych Y = np , to dla ka|dej pary warto[ci < zachodzi wzór S -np n lim P(Y1 < < Y2) = Æ(Y2 ) - Æ(Y1) n’!" npq Prawa wielkich liczb EX = µi < " Niech { X } bdzie cigiem zmiennych losowych, dla których dla i n n n 1 1 X = " X EX = " X i"N, oraz n i , n i . i=1 i=1 n n µ Je|eli dla cigu { X } i dla dowolnego >0 n lim P( X - EX e" µ ) = 0 , to mówimy, |e dla tego cigu zachodzi sBabe prawo n n n’!" ’! 0 X wielkich liczb. Mówimy równie|, |e - EX wedBug prawdopodobieDstwa i n’!" p ’! 0 X EX piszemy - w przypadku, gdy przy tym samym zaBo|eniu n n n’!" P[lim(Xn - EX ) = 0] = 1, wtedy mówimy, |e dla ka|dego cigu { X } zachodzi n n n’!0 mocne prawo wielkich liczb, a zbie|no[ ’! 0 P[lim(X - EX ) = 0] = 1 nazywamy zbie|no[ci z X - EX n n n n n’!" n’!0 p=1 ’! 0. X - EX prawdopodobieDstwem 1. Piszemy n n n’!" Mocne prawo wielkich liczb KoBmogorowa Warunkiem koniecznym i wystarczajcym zachodzenia mocnego prawa wielkich liczb dla cigu { X } niezale|nych zmiennych losowych o jednokierunkowym n EXi = m i " N rozkBadzie jest istnienie skoDczonej warto[ci oczekiwanej dla . WA{NE ROZKAADY W STATYSTYCE ZMIENNA LOSOWA O ROZKAADZIE CHI-KWADRAT Definicja. ZLC X ma rozkBad chi-kwadrat z ½ stopniami swobody (½=1,2,...), gdy jej gsto[ prawdopodobieDstwa wyra|a si wzorem 1 1 ñø x 2 ôøCÅ Å" x Å-1e- 2 dla x < 0 ³Å (x) = òø ôø dla x d" 0 óø0 CÅ gdzie jest staB zale|n tylko od liczby swobody i tak dobran, aby byB speBniony warunek unormowania. Twierdzenie. Gdy ZLC X ma rozkBad chi-kwadrat ½ stopniami swobody, to EX = Å " D2 X = 2Å " X1,..., XÅ Twierdzenie. Gdy s niezale|nymi zmiennymi losowymi o 2 X = X12 + ... + XÅ rozkBadzie N(0,1), to zmienna losowa ma rozkBad chi-kwadrat ½ stopniami swobody. ZMIENNA LOSOWA O ROZKAADZIE STUDENTA Definicja. Zmienna losowa tk ma rozkBad studenta z k stopniami swobody (k=1,2,...), gdy jej gsto[ prawdopodobieDstwa wyra|a si wzorem k+1 - 1 2 gk (x) = Ck (1+ x2 ) , dla x " R k Ck gdzie jest staB zale|n tylko od liczby swobody i tak dobran, aby byB speBniony warunek unormowania.

Wyszukiwarka

Podobne podstrony:
notatki tw 5
wzory protokołów pomiarowych zap1102012 z1
Wzory fizyczne

więcej podobnych podstron